基于神经网络的人民币汇率预测研究

发布时间：2020-04-26 01:36

【摘要】： 近期,针对美国将中国列为汇率操纵国的问题,人民币兑美元汇率成为人们的关注热点话题,研究人民币兑美元汇率有现实意义。本文采用非线性时间序列和神经网络模型的方法来研究人民币兑美元汇率序列。 在实证部分,本文选取了从1994年3月14日起至2010年4月14日的人民币兑美元中间价作为研究对象,通过一阶对数差分将汇率序列平稳化为汇率波动序列,并对汇率波动序列进行一系列非线性检验,如JB正态分布检验、自相关检验、BDS独立同分布检验以及ARCH异方差检验。检验的结果说明,人民币汇率波动序列是非正态的,具有“尖峰厚尾”性,且其具有两阶自相关性。其残差序列是非独立同分布的,同时汇率波动序列还存在ARCH效应。在汇率波动序列非线性的基础上,对其采用非线性的神经网络方法建模。神经网络模型选择了从2007年1月4日起至2010年4月14日止近3年的798个数据作为样本,其中前768个数据用于网络学习建模与样本内预测效果分析,后30个数据作为样本外预测。在神经网络参数的设计中,经过试验确定了AC准则最优滞后期分别为6、7、10,确定了网络输入神经元和隐层神经元的数目。在不同自由度的基础上进行MCPT检验寻找最佳训练样本,并在网络中训练得到所有自由度的最佳训练样本均为768。在这些参数的基础上运用MLP和ELman网络对汇率波动序列进行拟合预测,MLP(10)网络在样本内的预测效果最佳,而ELman(10)网络在样本外的预测效果最好。鉴于MLP网络可能存在“过拟合”问题,认为ELman网络更适合于汇率波动序列。 本文仅选用了两类神经网络模型来预测汇率波动序列,且没有将ARCH模型与神经网络模型进行对比,这些是本文研究中存在的不足之处。
【图文】：

压国图4一2汇率波动序列图从图4一2可以看出，汇率波动序列呈现出一定的群聚性，左右两端的波动较为明显，且右端部分出现大幅波动，这与05年汇改后汇率出现的大幅升值相对应。图4一2同时也说明了汇率波动序列z，是平稳序列，，为了进一步说明这个问题，也对z，序列进行单位根检验，得到如下结果:表4一2汇率波动序列单位根检验N妇IIHy阿攘踢 !5:2hasa喇t『a时EX闪脚以书:O以.t曰滋L月比优曲:1(A川LO厅IaUc卜书ed翻SIC，拟诵沉L八G二匀卜S七心S加p沈白..*Mac阅nnon(1996)。用李51山川尸创以冷.根据表4一2的结果，ADF的值均小于各类显著水平下的t值

且其左尾比右尾稍微长了一些，尾部略微的偏左。直方图传递出来的信息可以直观的进行判断，下面根据统计量的结果来进行简单的分析。从图4一3的结果输出中可以得到:偏度s一L846283<0，说明汇率波动序列分布左偏;峰度K=100.5494>3，说明波动序列的分布呈尖峰状;JB=1595004，对应的P值为0.000000，拒绝原假设:序列服从正态分布，因此汇率波动序列不服从正态分布。4JJ序列相关性检验、自相关性检验严格的随机游走模型认为时间序列是不相关的，时间序列在超前或滞后任意阶数上的自相关系数均应为零。关系数PACF来判断其自相关性可通过计算样本序列的自相关系数ACF和偏自相计算汇率波动序列前10阶的自相关、偏自相关系数，得到结果如下:
【学位授予单位】：中南大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：F832.6

【参考文献】

相关期刊论文 前10条

1 方先明,熊鹏;基于神经网络的人民币实际有效汇率分析与预测[J];国际贸易问题;2005年07期

2 杨璐,黄梯云,洪家荣;一种基于组合神经网络的时间序列预测方法[J];管理工程学报;1997年01期

3 崔孟修;汇率决定的混沌分析方法[J];管理世界;2001年01期

4 王爱俭;20世纪西方汇率理论发展的百年回顾与评述[J];广西金融研究;2004年08期

5 谢赤,杨小帆;汇率预测的理论与方法及其最新进展[J];湖南大学学报(社会科学版);2004年05期

6 张岭松;购买力平价理论的局限性及其修正:非瓦尔拉斯均衡分析[J];经济科学;1999年05期

7 王杰;毛宇光;;基于神经网络的汇率预测[J];计算机与现代化;2006年02期

8 何红弟,高亮,王文凯,徐伟,宋涛;基于遗传神经网络的汇率价格短期预测[J];上海大学学报(自然科学版);2005年01期

9 窦祥胜,杨p

本文编号：2640926